Cramer의 v를 해석하는 방법(예제 포함)

Cramer의 V는 두 명목 변수 간의 연관성 강도를 측정한 것입니다.

0에서 1까지 진행됩니다. 여기서:

• 0은 두 변수 사이에 연관성이 없음을 나타냅니다.
• 1은 두 변수 사이의 완벽한 연관성을 나타냅니다.

다음과 같이 계산됩니다.

크레이머의 V = √ (X ² /n) / min(c-1, r-1)

금:

• X ² : 카이제곱 통계
• n: 총 표본 크기
• r: 라인 수
• c: 열 수

Cramer의 V를 해석하는 방법

다음 표는 자유도에 따라 Cramer의 V를 해석하는 방법을 보여줍니다.

다음 예는 다양한 상황에서 Cramer의 V를 해석하는 방법을 보여줍니다.

예제 1: 2×3 배열에 대한 Cramer의 V 해석

눈 색깔과 성별 사이에 연관성이 있는지 알고 싶다고 가정해 보겠습니다. 따라서 우리는 50명에게 질문을 하여 다음과 같은 결과를 얻었습니다.

R에서 다음 코드를 사용하여 이 두 변수에 대한 Cramer의 V를 계산할 수 있습니다.

 library (rcompanion)

#create table
data = matrix(c(6, 9, 8, 5, 12, 10), nrow= 2 )

#view table
data

     [,1] [,2] [,3]
[1,] 6 8 12
[2,] 9 5 10

#calculate Cramer's V
cramerV(data)

Cramer V 
  0.1671

Cramer의 V는 0.1671 로 나타났습니다.

자유도는 다음과 같이 계산됩니다.

• df = min(#행-1, #열-1)
• df = 최소(1, 2)
• df = 1

위의 표를 참조하면 Cramer의 V가 0.1671 이고 자유도 = 1은 눈 색깔과 성별 사이의 작은(또는 “약한”) 연관성을 나타냅니다.

예 2: 3×3 테이블에 대한 Cramer의 V 해석

눈 색깔과 정당 선호도 사이에 연관성이 있는지 알고 싶다고 가정해 보겠습니다. 따라서 우리는 50명에게 질문을 하여 다음과 같은 결과를 얻었습니다.

R에서 다음 코드를 사용하여 이 두 변수에 대한 Cramer의 V를 계산할 수 있습니다.

 library (rcompanion)

#create table
data = matrix(c(8, 2, 4, 5, 8, 6, 6, 3, 8), nrow= 3 )

#view table
data

     [,1] [,2] [,3]
[1,] 8 5 6
[2,] 2 8 3
[3,] 4 6 8

#calculate Cramer's V
cramerV(data)

Cramer V 
  0.246

Cramer의 V는 0.246 으로 나타났습니다.

자유도는 다음과 같이 계산됩니다.

• df = min(#행-1, #열-1)
• df = 최소(2, 2)
• df = 2

위 표를 참조하면 Cramer의 V가 0.246 이고 자유도 = 2는 눈 색깔과 정당 선호도 사이의 중간(또는 “보통”) 연관성을 나타냄을 알 수 있습니다.

추가 리소스

다음 튜토리얼에서는 다양한 통계 소프트웨어에서 Cramer의 V를 계산하는 방법을 설명합니다.

Excel에서 Cramer의 V를 계산하는 방법
R에서 Cramer의 V를 계산하는 방법
Python에서 Cramer의 V를 계산하는 방법